在这篇教程中，展示了如何在某中心Redshift中编写SQL语句。鉴于这个主题庞大而复杂，我们从基础开始。本教程将展示如何：
- 使用查询编辑器
- 使用 group by 聚合行
- 将日期转换为年和月
- 将结果导出到CSV文件
什么是某中心Redshift？
某中心Redshift是某机构网络服务云数据仓库，基于SQL。它旨在处理大型数据集和复杂查询。它非常适合数据仓库、商业智能、大数据分析、机器学习和提取-加载-转换工作流。
Redshift的组件包括以下内容：
- 集群：是围绕一个领导节点组织的计算节点，用于管理连接和协调查询。
- 切片：是节点的分区，用于为高效的大规模并行处理分配内存、处理和磁盘空间资源。
- 数据分发方法：根据键值或跨所有节点均匀地将数据分配到节点。
- 数据的列式存储：以垂直堆栈完成，以减少输入/输出（I/O）并实现更高效的存储。
- 执行引擎：支持SQL查询，并规划获取和使用数据的最佳方式。
- Spectrum：是一项某中心Redshift服务，使得无需将数据带入Redshift环境即可查询某中心S3中的数据。
- 集成数据加载：使用各种某中心和第三方工具。
- 备份和恢复：增加了弹性。
- 安全控制身份和访问，提供日志记录以进行模式识别和漏洞利用后响应。
- 维护和监控：是这项完全托管服务固有的特性，减轻了团队的持续管理负担。
Redshift查询编辑器
要打开查询编辑器，请从集群屏幕点击编辑器。然后，Redshift会要求提供凭据以连接到数据库。一个不错的功能是有一个生成临时凭据的选项，因此无需记住密码。只需登录到某中心AWS控制台即可。下面有一个集群，在将其置于暂停状态（以减少某中心计费费用）后正在恢复。
在此处编写SQL语句。一次只允许一条语句，因为Redshift一次只能显示一组结果。要编写多个语句，请单击加号（+）添加额外的选项卡。运行每个查询时，需要几秒钟时间，因为它会提交作业然后运行它。因此，它并非如您可能在其他产品中预期的那样即时。结果显示在底部，您可以在那里将其导出为CSV、TXT或HTML。还可以对结果进行图表化。
获取表模式
在本教程中，使用了一个天气数据表。（有关从S3加载数据到某中心Redshift的更多信息。）这是塞浦路斯帕福斯20年的天气数据。它有四列：
- dt_iso
- temp
- temp_min
- temp_max
dt_dso是时间戳类型，是主键。Redshift的一个优点是，几乎可以以任何想要的格式加载日期，Redshift都能理解。然后，Redshift提供to_char()函数来打印出所需的任何日期部分，例如小时、年、分钟等。要查看表模式，请查询pg_table_def表。
SELECT*FROMpg_table_defWHEREtablename='paphos'ANDschemaname='public';模式如下。
schemaname,tablename,column,type,encoding,distkey,sortkey,notnull public,paphos,dt_iso,timestamp without time zone,none,t,1,t public,paphos,temp,real,none,f,0,f public,paphos,temp_min,real,none,f,0,f public,paphos,temp_max,real,none,f,0,f聚合SQL语句
此查询计算夏季月份（5月至9月）的月平均温度。注意：
- to_char() 提取所需的任何日期部分，例如YYYY年或MM月数字。
- 使用 in() 语句来选择月份。
- order 语句使用数字 1。这意味着使用查询返回的第一列。这是输入列名的替代方法。
- 按年份和月份分组，因为要计算一年内月份的平均值[avg()]。
- 使用 round() 函数四舍五入到两位小数。否则Redshift会给出太多小数位。
- 与其他数据库一样，as 语句允许为计算产生的列提供别名。没有它，该列将没有描述性名称。这里将平均温度称为aveTemp。
selectround(avg(temp),2)asaveTemp,to_char(dt_iso,'YYYY')asyear,to_char(dt_iso,'MM')asmonthfrompaphoswheremonthin('05','06','07','08','09')groupbyyear,monthorderby1desc结果如下。它显示了20年数据中最热的月份。为了使显示简短，已截断部分内容。例如，在这20年中，2010年8月是最热的月份。按年份然后月份分组，因为需要给定每日天气观测值的一年内的月份。
avetemp year month 84.11 2010 8 83.12 2012 8 83.05 2012 7 82.9 2015 8 82.39 2017 7 82.04 2014 8 81.85 2007 7 81.73 2020 9 81.72 2013 8 81.72 2008 8 81.62 2000 7 81.61 2009 8 81.49 2017 8使用结果右侧的按钮将数据导出为CSV格式。然后将其导入到电子表格中，以便更轻松地查看结果并为其添加颜色等。
以下是最热的年份。通过从聚合中删除月份来获得。
selectround(avg(temp),2)asaveTemp,to_char(dt_iso,'YYYY')asyearfrompaphosgroupbyyearorderby1desc额外资源
如需更多类似教程，请探索以下资源：
- BMC机器学习与大数据博客
- 某机构指南，包含15篇文章和教程
- 如何将某中心S3数据导入Snowflake
- 如何将某中心Glue连接到JDBC数据库
- 某中心Braket量子计算：如何开始
这些文章仅代表个人观点，不一定代表BMC的立场、策略或意见。发现错误或有建议？请通过发送电子邮件至 blogs@bmc.com 告知。
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）
